-
公开(公告)号：CN117031966A
公开(公告)日：2023-11-10
申请号：CN202311221519.8
申请日：2023-09-21
Applicant: 福州大学
IPC: G05B13/04
Abstract: 本发明公开了一种考虑外部扰动的非完整移动机器人固有时间跟踪控制方法，本发明以非完整轮式移动机器人为研究对象，针对一个考虑外部干扰的非完整轮式移动机器人的固有时间跟踪控制问题。本发明分别设计了运动学控制器和动力学控制器，首先，通过线性变换和固有时间控制方法设计了固有时间运动学控制器，即设计的辅助线速度和角速度使NWMR能够在固有时间内跟踪虚拟领导者的轨迹。然后，提出连续自适应固有时间跟踪控制器，使机器人能够在固有时间内跟踪辅助速度。本发明相比于有限时间方法，稳定时间的估计不依赖于系统的初始状态，在不能获取系统初始状态的环境下也能使用。并且，考虑了系统中存在的扰动问题，在动力学上保证了系统的稳定性。
-
公开(公告)号：CN116625972A
公开(公告)日：2023-08-22
申请号：CN202310476744.X
申请日：2023-04-28
Applicant: 福州大学
IPC: G01N21/3577 , G01N21/359 , G06N3/0464 , G06N3/048 , G06N3/0985 , G06N3/084
Abstract: 本发明涉及一种城市内河污水智能检测方法，包括以下步骤：1）配制标准污水样品，获得具有不同指标及不同指标数据的多个污水样品；2）采集所有污水样品的近红外光谱数据并进行预处理，形成近红外光谱数据集，并分为训练集和测试集；3）构建基于卷积神经网络的污水指标定量检测模型，通过训练集和测试集对污水指标定量检测模型进行训练和测试；4）采集实际水体样本并分为两部分，分别通过化学计量法和所建立的污水指标定量检测模型来预测其关键指标数据，通过比较验证所建立模型的精确性和可靠性；5）利用得到的污水指标定量检测模型对待检测的城市内河水质进行检测。该方法有利于提高城市内河水质检测的速度和准确性。
-
公开(公告)号：CN116401610A
公开(公告)日：2023-07-07
申请号：CN202310175237.2
申请日：2023-02-28
Applicant: 福州大学
IPC: G06F18/2433 , G06F18/214 , G06F30/20 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出基于深度残差网络和联合分布的逆变器参数故障诊断方法，以三相逆变器多种已知工况下的故障数据建立训练集，建立构建由多个残差块组成的深度残差网络模型，同时运用Adam算法及批归一化BN技术防止该模型过拟合，接着加入伪标签学习，对源域与目标域之间的联合分布差异进行度量，通过联合分布适配方法来实现两个域特征的联合分布对齐，并以差异最小化为目标对网络进行优化；本发明能解决实际工程的应用场景中多种工况下故障数据分布不同，导致传统的深度诊断模型泛化能力及效率发生下降的问题。
-
公开(公告)号：CN111681240B
公开(公告)日：2022-09-16
申请号：CN202010648624.X
申请日：2020-07-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于YOLO v3与注意力机制的桥梁表面裂痕检测方法，包括以下步骤：将数据集分为训练集与测试集；构建Crack‑YOLO网络，并对该网络的输出检测框进行优化；采用训练集对优化好的Crack‑YOLO网络进行训练，采用测试集对训练好的Crack‑YOLO网络进行测试；将待测试的图片输入测试通过的Crack‑YOLO网络，以检测桥梁表面裂痕。本发明能够准确识别和定位桥梁裂痕。
-
公开(公告)号：CN112288153B
公开(公告)日：2022-06-14
申请号：CN202011141953.1
申请日：2020-10-22
Applicant: 福州大学
Abstract: 本发明涉及一种小脑模型神经网络故障诊断器初值权重的自动选优方法。该方法包括：S1、根据需要解决的问题初始化神经网络参数；S2、设置遗传算法参数，得到初始种群；S3、根据计算得到的个体适应度进行选择、交叉、变异和计算；S4、重构神经网络并对其进一步训练；S5、测试神经网络，得到最优神经网络诊断器。本发明在模糊小脑模型神经网络的初值权重选择中引入遗传算法，不仅适用于优化小脑模型神经网络权值层的权值，而且优化了关联存储空间激活函数的中心位置和宽度。可以有效降低人工选择初值参数的盲目性和时间成本，进一步提高神经网络诊断的智能性。
-
Patent Agency Ranking
公开(公告)号：CN111596691B
公开(公告)日：2021-08-31
申请号：CN202010648652.1
申请日：2020-07-07
Applicant: 福州大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于人在回路的多机器人系统的决策建模与协同控制方法及系统，包括步骤：获取机器人执行任务后的输出信息值，选择机器人位置偏差信息作为人的决策信息；使用人的漂移扩散模型作为建模方法，根据人的决策信息对人的决策行为进行建模；设计人为决策任务，在机器人无法依赖自主控制系统完成任务的时候，执行人为决策任务，帮助机器人顺利完成任务。本发明将漂移扩散模型与基于零空间的行为控制方法相结合，提出人的漂扩散模型，通过速度‑准确性准则得到相对应的决策阈值公式，该方法能够提高人的决策准确性。
-
公开(公告)号：CN111860406A
公开(公告)日：2020-10-30
申请号：CN202010742651.3
申请日：2020-07-29
Applicant: 福州大学
Abstract: 本发明提出一种基于区域混淆机制神经网络的血细胞显微图像分类方法，对用于训练的血细胞显微图像进行预处理操作；将经过处理后的图像数据输入深度神经网络框架中的训练分支，在训练阶段引入区域混淆机制，将输入图像的全局结构打乱，迫使分类器对血细胞图像的局部精细特征进行提取，再通过对抗性学习网络对混淆后引入的噪声干扰进行消除，并通过混淆后图像与原图像的语义相关性，对图像的结构信息进行建模；通过上述分支提取出分类器的最优参数，并将最优参数直接赋予分类主干网络分支，进行最终的分类预测工作。
-
公开(公告)号：CN110596506A
公开(公告)日：2019-12-20
申请号：CN201911042913.9
申请日：2019-10-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于时间卷积网络技术的电力电子变换器故障诊断方法，包括以下步骤：步骤S1：采集测量点电信号并进行降噪处理，得到带有故障信息的样本数据；步骤S2：采用归一化对带有故障信息的样本数据降维处理，并将所得故障特征与故障类型一一对应建立数据样本库；步骤S3：构建基于时间卷积网络的故障分类器，并根据数据样本库进行训练并测试，得到最优网络结构参数；步骤S4:根据最优网络结构参数重构基于时间卷积网络的故障分类器，得到的带有最优参数的故障分类器；步骤S5：将带有最优参数的故障分类器网络写入simulink中，对实际运行中的电力电子变换器做实时故障诊断与定位。本发明能更准确、更可靠的判断变换器的健康状况。
-
公开(公告)号：CN106505904B
公开(公告)日：2019-07-12
申请号：CN201611135550.X
申请日：2016-12-09
Applicant: 福州大学
IPC: H02M7/5387
Abstract: 本发明涉及一种带非线性负载逆变器的T‑S模糊模型建模方法，包括以下步骤：步骤S1：根据基尔霍夫电压和电流定律，得到非线性负载逆变器标准的状态方程；步骤S2：设定非线性负载的电流io∈[Iomin Iomax]，并得到io隶属度函数表达式：步骤S3：建立io＝Iomin和io＝Iomax时非线性负载逆变器的T‑S模糊模型。本发明以整流性负载这一典型非线性负载为例，建立逆变器非线性负载下的T‑S模糊模型。本发明提出的逆变器T‑S模糊模型不仅适用于整流类非线性负载情景，而且适用于突变性负载情况，该模糊模型可以为逆变器的波形控制和谐波治理提供典型有效的参考模型。
-
公开(公告)号：CN109870654A
公开(公告)日：2019-06-11
申请号：CN201910106341.X
申请日：2019-02-02
Applicant: 福州大学
IPC: G01R31/382 , G01R31/3842
Abstract: 本发明公开一种基于冲击负载响应特性的蓄电池容量在线动态估计方法，包括：保持对电池电压、电流和温度进行在线实时监测；当出现冲击性负载时，即当蓄电池电流瞬间增大幅值大于预先设定值时，将负载突变期间采集的蓄电压、电流和温度数据输送至在线估计器，通过融合小波分析和小脑模型神经网络的蓄电池容量在线估计算法，实时估计蓄电池剩余容量。本发明无需对蓄电池进行长时间满冲满放，也无需对蓄电池主动注入其他谐波信号，直接利用冲击性负载作用下、实时监测的电池电压、电流和温度数据，即可对蓄电池的容量进行快速、准确、实时的估计，适合不间断电源系统，减少电池维护成本，及时发现蓄电池容量减少或失效问题，提高系统的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.036 seconds)
